回复
一个关于AI好恶的统一场论
我们今天说一个特别有意思的话题：我们到底应该在多大程度上信任AI？
你可能觉得，人对AI的态度无非就两种。一种是技术乐观派，觉得AI是未来，无所不能，应该全面拥抱；另一种是技术恐惧者，总担心AI抢走工作、做出可怕的决定，对AI充满疑虑，甚至有点像当年的“卢德分子”。
这两种人确实都存在，但大部分普通人似乎处在这两者之间。比如，如果一个AI工具能帮你精准预测股票走势，你可能会很乐意使用它。但反过来，如果你去一家公司求职，而人力资源部用一套AI系统来筛选你的简历，你心里是不是就有点打鼓了？
为什么会有这种矛盾的心理？长久以来，学术界对这个问题的研究也充满了矛盾。2015年有篇影响很大的论文叫《算法厌恶》，说人们对AI犯的错误比对人犯的错误更不能容忍。可到了2019年，又有一篇流传很广的论文叫《算法欣赏》，说人们其实更喜欢听AI的建议。
这到底是怎么回事？我们对AI到底是“厌恶”还是“欣赏”？
麻省理工学院（MIT）的学者廉·杰克逊（Jackson Lu）和他同事们的一项最新研究，给出了一个极其漂亮的解释框架，可以说是一举统一了之前那些看似矛盾的发现。我愿称之为 “能力—个性化”双轴模型。
这个模型非常简单，它说我们对AI的态度，取决于我们在两个维度上的判断：
- 能力（Capability）：在当前这个任务上，AI的客观能力是不是比人类强？
- 个性化（Personalization）：这个任务需不需要“特殊关照”？也就是说，它是否需要充分理解我这个人的独特性和具体情况？
这个框架的结论是什么呢？只有当一个任务同时满足“高能力”和“低个性化”这两个条件时，我们才会心甘情愿地拥抱AI。只要有一个条件不满足，我们就会倾向于选择人类。
这个洞见太重要了。它告诉我们，光有强大的能力并不能保证AI被我们所接受。
我们来看例子。像金融欺诈检测、对海量数据进行分类整理，这些任务的特点是什么？首先，AI的能力远超人类，又快又准。其次，这些任务几乎不需要任何个性化，它就是个客观的、标准化的工作。所以，在这些领域，我们对AI是“欣赏”的，甚至可以说是热烈欢迎。
但换个场景就不一样了。比如心理治疗、工作面试，甚至是医生诊断。在这些场景里，“个性化”的需求就变得至关重要。
研究者说，我们每个人内心都有一种根深蒂固的愿望，就是希望自己被看作一个“独特的个体”（unique and distinct）。我们希望治疗师能理解我独一无二的情感困境，希望面试官能看到我简历之外的闪光点，希望医生能考虑到我个人的特殊身体状况。
AI呢？即便它学习了海量的病例和数据，我们总觉得它是“一视同仁”的，是按照一套固定的、冷冰冰的逻辑在运作。它无法真正“看见”我这个活生生的人。所以在这些需要高度个性化关怀的领域，哪怕AI的诊断准确率可能更高，我们依然会产生“AI厌恶”，宁愿相信一个有血有肉的人。
廉·杰克逊教授和他的团队为了验证这个框架，做了一次“元分析”（meta-analysis），把过去163项相关研究、超过82000个反馈数据全部整合起来分析。结果发现，这个“能力—个性化”框架完美地解释了绝大多数情况。
更有意思的是，研究还发现了两个影响我们判断的额外因素：
- 形态的影响：我们对一个看得见、摸得着的实体机器人，比对一个看不见的抽象算法，天然更有好感。这也许是因为实体机器人给了我们一种更直观的交互感和控制感。
- 经济环境的影响：在一个国家的失业率越低，人们对AI的欣赏和接受度就越高。这个道理很直白：如果你的饭碗随时可能被AI端掉，你自然很难对它产生什么好感。
所以你看，我们对AI的态度，既不是盲目崇拜，也不是无脑抵制。我们其实都是非常精明的“情境主义者”。
我们每个人的心里都有一把尺子，在面对一个具体的AI应用时，我们会不自觉地在这两个维度上进行评估：它的能力比人强吗？这事儿需要对我特殊照顾吗？
只有当答案是“是”和“否”的时候，我们才会放心地把任务交给AI。这个来自MIT的“能力—个性化”框架，为我们理解这个复杂的人机时代，提供了一个异常清晰的思考工具。
本文转载自草台AI，作者：RangerEX
赞
收藏
回复
相关推荐
